[发明专利]使用输入预处理和转换目标用于训练深度神经网络的半导体器件建模

权利要求书

1.一种半导体器件建模系统，包括：

包含多个节点的深度神经网络，每个节点使用权重缩放其输入，产生的节点输出传输到所述多个节点中的其他节点；

输入模块，用于接收训练数据，所述训练数据表示晶体管的栅极电压和漏极电压，所述训练数据还包括所述晶体管的宽度和长度；

输入预处理模块，其从所述输入模块接收所述训练数据，所述输入预处理模块将所述训练数据转换为预处理后的训练数据；

其中所述预处理后的训练数据被应用于所述深度神经网络的输入；

目标输入模块，其接收目标数据，所述目标数据表示，当所述训练数据表示的栅极电压和漏极电压被施加到所述晶体管时、测量的所述晶体管的漏极电流，而所述晶体管具有所述训练数据表示的晶体管宽度和晶体管长度；

目标转换模块，其从所述目标输入模块接收所述训练数据，所述目标转换模块将表示漏极电流的目标数据转换为一个转换漏极电流值；

损失函数产生模块，其根据所述预处理后的训练数据并使用所述权重，将所述目标转换模块产生的经过转换的漏极电流与所述深度神经网络产生的输出进行比较，其中所述损失函数产生模块通过调整所述神经网络的权重，将所述转换漏极电流值与所述深度神经网络产生的输出之间的损失函数值最小化；

其中在所述深度神经网络的训练期间输入并处理多个所述训练数据和多个所述目标数据，以产生多个权重和损失函数值；

其中在完成训练之后，选择最后一组权重，所述最后一组权重产生最小损失函数值；

其中所述最后一组权重界定了所述晶体管的器件模型，所述晶体管使用所述深度神经网络进行仿真；

其中所述目标转换模块将表示漏极电流的训练数据转换为所述漏极电流的导数；

其中所述漏极电流的导数是所述转换漏极电流值，也是损失函数产生模块评估的所述深度神经网络的训练目标。

2.根据权利要求1所述的半导体器件建模系统，其中所述漏极电流的导数是有关栅极电压的导数。

3.根据权利要求1所述的半导体器件建模系统，其中所述漏极电流的导数是有关漏极电压的导数。

4.根据权利要求1所述的半导体器件建模系统，其中所述漏极电流的导数是有关晶体管尺寸的导数。

5.根据权利要求1所述的半导体器件建模系统，其中所述训练数据还包括温度：

其中所述漏极电流的导数是有关所述温度的导数。

6.根据权利要求1所述的半导体器件建模系统，其中所述目标转换模块将表示漏极电流的训练数据转换为所述漏极电流的导数的对数；

其中所述漏极电流的导数的对数是所述转换漏极电流值，也是所述损失函数产生模块评估的所述深度神经网络的训练目标。

7.根据权利要求1所述的半导体器件建模系统，其中在仿真过程中，将所述最后一组权重应用于所述深度神经网络，表示仿真电压的仿真训练数据由所述输入预处理模块进行预处理、继而由所述深度神经网络处理，通过使用最终的权重值产生仿真输出结果；

反向目标转换模块，其在仿真期间从所述深度神经网络收到所述仿真输出，并产生漏极电流的仿真值，所述反向目标转换模块的操作是所述目标转换模块的逆转换操作；

由此，使用所述最后一组权重从所述深度神经网络产生漏极电流的仿真值。

8.根据权利要求7所述的半导体器件建模系统，其中所述反向目标转换模块包括积分模块，所述积分模块对所述深度神经网络的仿真输出在一定电压范围上进行积分，以生成所述漏极电流的仿真值。

9.根据权利要求1所述的半导体器件建模系统，其中所述输入预处理模块产生栅极电压的对数或漏极电压的对数，作为预处理训练数据作为所述深度神经网络的输入，

由此，将对数电压输入应用到所述深度神经网络。